2026-08-28 每日思考

今天最重要的判断是：AI 产品的核心竞争单位正在从“模型”变成“受约束的任务执行”。

过去的典型问题是“哪个模型最强”，现在更有效的问题是：这个任务最低需要什么能力，允许多大错误率，失败时如何升级，执行成本是多少，谁有权访问上下文，发生了什么能否追溯。

小模型把单次研究任务从约 1 美元降到 0.10 美元，说明成本下降已经足以改变系统架构。继续把所有请求交给最强模型，本质上是缺少任务分层。真正成熟的产品会像数据库选择索引、云平台调度算力一样调度模型：常规任务走低成本路径，歧义或高风险任务才升级。

但低成本路由只有与生产评测结合才有意义。GitHub 的经验提醒我们，benchmark 高分不等于能处理业务边界。最小评测集应该来自真实事故、人工退回和用户投诉，而不是凭空编写“标准题”。每一次失败都应转化为一个永久回归用例。

第三层是治理。Agent 获得的上下文越多，能力越强，风险半径也越大。权限、审计、实时告警和人工批准不是安全团队事后补上的护栏，而是 Agent 产品本身的一部分。尤其在支付和财务场景，不能证明“谁在什么条件下做了什么”，就不能称为可靠自动化。

下一步关注三件事：建立按任务划分的模型成本—质量矩阵；用 20—50 个真实案例启动生产 eval；把权限与审计要求前置到每条 Agent workflow 的设计阶段。